Από το CSV στην πλήρη αναλυτική αναφορά με το ChatGPT σε 5 απλά βήματα – KDnuggets

Εικόνα από rawpixel.com on Freepik
 

Ανεξάρτητα από την επιχείρηση στην οποία βρίσκεστε, το να γνωρίζετε πώς να αναλύετε δεδομένα είναι πιο σημαντικό από ποτέ στην εποχή που βασίζεται στα δεδομένα. Η ανάλυση δεδομένων θα επέτρεπε στις επιχειρήσεις να παραμείνουν ανταγωνιστικές και να παρέχουν τη δυνατότητα να λαμβάνουν καλύτερες αποφάσεις.

Η σημασία της ανάλυσης δεδομένων οδηγεί κάθε άτομο να γνωρίζει πώς να πραγματοποιεί ανάλυση δεδομένων. Ωστόσο, μερικές φορές χρειάζεται πολύς χρόνος για τη διεξαγωγή ανάλυσης δεδομένων. Γι' αυτό θα μπορούσαμε να βασιστούμε στο ChatGPT για να δημιουργήσουμε μια πλήρη αναφορά από το αρχείο δεδομένων μας.

Αυτό το άρθρο θα διερευνήσει πέντε απλά βήματα για να δημιουργήσετε πλήρεις αναλυτικές αναφορές από το αρχείο CSV σας. Αυτά τα πέντε βήματα περιλαμβάνουν:

Βήμα 1: Εισαγωγή του αρχείου CSV

Βήμα 2: Σύνοψη και προεπεξεργασία δεδομένων

Βήμα 3: Ανάλυση δεδομένων

Βήμα 4: Οπτικοποίηση δεδομένων

Βήμα 5: Δημιουργία Αναφορών

Ως προαπαιτούμενο, αυτό το άρθρο προϋποθέτει ότι ο αναγνώστης έχει εγγραφεί στο ChatGPT Plus. Έχοντας αυτό κατά νου, ας ξεκινήσουμε.

Το πρώτο βήμα είναι να προετοιμάσετε το αρχείο CSV που θέλετε να αναλύσετε και να δημιουργήσετε μια αναφορά. Αυτό το αρχείο θα μπορούσε να προέρχεται από οποιαδήποτε αξιόπιστη πηγή, αλλά αυτό το άρθρο θα χρησιμοποιούσε το σύνολο δεδομένων Telecom Churn από Kaggle.

Βεβαιωθείτε ότι τα δεδομένα είναι δομημένα, οργανωμένα και έχουν σαφή κεφαλίδα. Εάν έχετε έναν συγκεκριμένο στόχο που θέλετε να αναλύσετε, τότε μην ξεχάσετε να συμπεριλάβετε αυτά τα δεδομένα στο αρχείο. Στο παράδειγμά μας, θα προσπαθήσουμε να εκτελέσουμε μια ανάλυση για τη στήλη ανατροπής.

Έχοντας τα δεδομένα έτοιμα, συνδέστε τα στο ChatGPT και αφήστε το μοντέλο να κάνει τη δουλειά του.

Το επόμενο βήμα είναι να λάβουμε τη σύνοψη δεδομένων από το αρχείο CSV και να τα επεξεργαστούμε εκ των προτέρων. Εισαγάγετε την ακόλουθη προτροπή κατά τη μεταφόρτωση των δεδομένων.

Provide the data summary to this file and perform appropriate data processing for the dataset.

Η παραπάνω προτροπή παρέχει τα ακόλουθα αποτελέσματα:

Ακολουθεί η περίληψη του συνόλου δεδομένων σας:

Αριθμός σειρών: 3333

Αριθμός στηλών: 11

Ονόματα στηλών:

Καρδάρα

AccountWeeks

Ανανέωση συμβολαίου

DataPlan

Χρήση δεδομένων

CustServCalls

DayMins

Ημερήσιες κλήσεις

Μηνιαία Χρέωση

Overage Fee

RoamMins

Τύποι δεδομένων:

Ακέραιος αριθμός: Churn, AccountWeeks, ContractRenewal, DataPlan, CustServCalls, DayCalls

Float: DataUsage, DayMins, Monthly Charge, Overage Fee, RoamMins

Τιμές που λείπουν: Δεν λείπουν τιμές σε καμία από τις στήλες.

Το ChatGPT μπορούσε σαφώς να διαβάσει τα δεδομένα και ήταν σε θέση να παρέχει το δεδομένο σύνολο δεδομένων. Το επόμενο αποτέλεσμα είναι η προεπεξεργασία δεδομένων από το ChatGPT.

Δεδομένου ότι δεν λείπουν τιμές στο σύνολο δεδομένων, η κύρια εστίαση του καθαρισμού και της προεπεξεργασίας δεδομένων θα είναι:

• Έλεγχος για τυχόν ακραίες τιμές ή ανωμαλίες στα δεδομένα.
• Κανονικοποίηση ή τυποποίηση των δεδομένων εάν απαιτείται, ειδικά για στήλες με συνεχείς αριθμητικές τιμές.
• Μετατροπή κατηγορικών δεδομένων σε μορφή κατάλληλη για ανάλυση, εάν είναι απαραίτητο.

Ας προχωρήσουμε με αυτά τα βήματα. 
 

Τα τετραγωνίδια παρέχουν μια οπτική επισκόπηση των πιθανών ακραίων τιμών σε κάθε αριθμητική στήλη του συνόλου δεδομένων σας. Εδώ είναι μερικές παρατηρήσεις:

• AccountWeeks, CustServCalls, DayCalls: Αυτές οι στήλες εμφανίζουν μια αρκετά κανονική κατανομή με λίγες ακραίες τιμές.
• DataUsage, DayMins, MonthlyCharge, OverageFee, RoamMins: Αυτές οι στήλες εμφανίζουν επίσης ορισμένες ακραίες τιμές, αλλά φαίνεται να βρίσκονται εντός ενός λογικού εύρους, λαμβάνοντας υπόψη τη φύση των δεδομένων.
• Churn, ContractRenewal, DataPlan: Όντας κατηγορικά/δυαδικά δεδομένα, αυτές οι στήλες δεν εμφανίζουν παραδοσιακές ακραίες τιμές.

Λαμβάνοντας υπόψη αυτές τις πληροφορίες, τα επόμενα βήματα στον καθαρισμό και την προεπεξεργασία δεδομένων θα μπορούσαν να περιλαμβάνουν:

• Χειρισμός ακραίων τιμών: Μπορούμε να αποφασίσουμε εάν θα αφαιρέσουμε, θα περιορίσουμε ή θα χειριστούμε με άλλον τρόπο τα ακραία στοιχεία με βάση τις συγκεκριμένες αναλυτικές σας ανάγκες και τις γνώσεις σας στον τομέα.
• Μετασχηματισμός δεδομένων: Εάν χρειάζεται, μπορούμε να κανονικοποιήσουμε ή να τυποποιήσουμε στήλες όπως DayMins, MonthlyCharge κ.λπ., ειδικά εάν σκοπεύετε να χρησιμοποιήσετε αλγόριθμους που είναι ευαίσθητοι στην κλίμακα των δεδομένων.
• Κωδικοποίηση Κατηγορικών Δεδομένων: Μετατροπή κατηγορικών δεδομένων σε μορφή κατάλληλη για ανάλυση, εάν απαιτείται τέτοιος μετασχηματισμός.

Μπορείτε να αφήσετε το ChatGPT να εκτελέσει πρόσθετα βήματα για τον καθαρισμό και την προεπεξεργασία δεδομένων ή να είναι όπως είναι. Για αυτό το παράδειγμα, θα συνεχίσουμε στα επόμενα βήματα.

Στη συνέχεια, θα πραγματοποιούσαμε ανάλυση δεδομένων με το ChatGPT. Η ανάλυση δεδομένων εξαρτάται από το τι θέλετε να επιτύχετε. Στην περίπτωσή μας, θέλουμε να εκτελέσουμε ανάλυση δεδομένων από το Churn POV.

Χρησιμοποιούμε την παρακάτω προτροπή για να εκτελέσουμε την ανάλυση δεδομένων με το ChatGPT για την παραπάνω περίπτωση.

Please perform the data analysis based on the data above with respect to the churn data.

Η ανάλυση των δεδομένων φαίνεται στο παρακάτω αποτέλεσμα.

Για να πραγματοποιήσουμε ανάλυση δεδομένων σε σχέση με τα δεδομένα απόρριψης, θα επικεντρωθούμε στην κατανόηση του τρόπου με τον οποίο διαφορετικοί παράγοντες σχετίζονται με την απόρριψη πελατών. Το Churn, που είναι μια δυαδική μεταβλητή (0 για no churn, 1 για churn), αναλύεται τυπικά μέσω μεθόδων ταξινόμησης και εξετάζοντας τις σχέσεις με άλλες μεταβλητές. Εδώ είναι το σχέδιο:

1. Ανάλυση συσχέτισης: Για να ξεκινήσουμε, θα εξετάσουμε πώς συσχετίζεται κάθε αριθμητικό χαρακτηριστικό με το churn. Αυτό μας δίνει μια αρχική κατανόηση του ποιοι παράγοντες μπορεί να σχετίζονται πιο στενά με την απόσπαση.

2. Στατιστικά τεστ: Για κατηγορικές μεταβλητές όπως το ContractRenewal και το DataPlan, μπορούμε να χρησιμοποιήσουμε στατιστικές δοκιμές για να δούμε αν υπάρχουν σημαντικές διαφορές στους ρυθμούς απόκλισης σε διαφορετικές κατηγορίες.

3. Οπτική ανάλυση: Θα δημιουργήσουμε ορισμένες απεικονίσεις για να εξερευνήσουμε περαιτέρω αυτές τις σχέσεις. Αυτό περιλαμβάνει τη σύγκριση των ρυθμών απόκλισης μεταξύ διαφορετικών ομάδων και τη γραφική παράσταση βασικών μεταβλητών έναντι της εκτροπής.

4. Σύνοψη στατιστικών: Θα παρέχουμε συνοπτικά στατιστικά στοιχεία για διαφορετικές ομάδες με βάση την κατάσταση ανατροπής για να δούμε αν υπάρχουν αξιοσημείωτες διαφορές στους μέσους όρους ή τις κατανομές.

Ας ξεκινήσουμε με την ανάλυση συσχέτισης και μετά περάσουμε στα επόμενα βήματα.

Ανάλυση συσχέτισης με Churn

Η συσχέτιση διαφορετικών μεταβλητών με το churn έχει ως εξής (από την ισχυρότερη αρνητική στην ισχυρότερη θετική συσχέτιση):

Αρνητική συσχέτιση:

• Ανανέωση σύμβασης: Ισχυρότερη αρνητική συσχέτιση. Υποδηλώνει ότι οι πελάτες που δεν ανανεώνουν τα συμβόλαιά τους είναι πιο πιθανό να εκτιναχθούν.
• DataPlan: Οι πελάτες χωρίς πρόγραμμα δεδομένων είναι ελαφρώς πιο πιθανό να εκτιναχθούν.
• Χρήση δεδομένων: Η υψηλότερη χρήση δεδομένων μειώνει ελαφρώς την πιθανότητα διακοπής.

Θετική συσχέτιση:

• AccountWeeks, DayCalls: Πολύ ασθενής θετική συσχέτιση, υποδηλώνοντας ελάχιστο αντίκτυπο στην ανατροπή.
• RoamMins: Μικρή αύξηση της πιθανότητας ανατροπής με αυξημένα λεπτά περιαγωγής.
• MonthlyCharge: Ελαφρώς υψηλότερα ποσοστά ανατροπής με αυξημένες μηνιαίες χρεώσεις.
• OverageFee: Οι υψηλότερες χρεώσεις υπέρβασης συσχετίζονται μέτρια με την αυξημένη απόκλιση.
• DayMins: Τα υψηλότερα ημερήσια λεπτά συσχετίζονται μέτρια με αυξημένη εκκένωση.
• CustServCalls: Ισχυρή θετική συσχέτιση. Περισσότερες κλήσεις εξυπηρέτησης πελατών συνδέονται με υψηλότερα ποσοστά ανατροπής.

Με βάση αυτούς τους συσχετισμούς, φαίνεται ότι παράγοντες όπως η ανανέωση συμβολαίου, οι κλήσεις εξυπηρέτησης πελατών, τα ημερήσια λεπτά και οι χρεώσεις υπέρβασης σχετίζονται στενότερα με την απόρριψη. Μπορούμε να διερευνήσουμε περαιτέρω αυτούς τους παράγοντες μέσω οπτικής ανάλυσης και στατιστικών δοκιμών, ειδικά για κατηγορικές μεταβλητές όπως το ContractRenewal και το DataPlan.

Οπτική Ανάλυση

Οι οπτικοποιήσεις προσφέρουν πολύτιμες πληροφορίες για τη σχέση μεταξύ των διαφορετικών μεταβλητών και της ανατροπής:

Churn by ContractRenewal και DataPlan:

• Ανανέωση συμβολαίου: Είναι εμφανής μια σημαντική διαφορά στα ποσοστά εκτροπής. Οι πελάτες που δεν ανανέωσαν τα συμβόλαιά τους παρουσιάζουν υψηλότερο ποσοστό απόρριψης.
• DataPlan: Υπάρχει μια αξιοσημείωτη διαφορά στα ποσοστά απόκλισης με βάση το εάν οι πελάτες έχουν πρόγραμμα δεδομένων ή όχι, με εκείνους που δεν έχουν σχέδιο δεδομένων να εμφανίζουν υψηλότερη απόκλιση.

Αριθμητικές μεταβλητές (CustServCalls, DayMins, MonthlyCharge, OverageFee) από το Churn:

• CustServCalls: Οι πελάτες με υψηλότερο αριθμό κλήσεων εξυπηρέτησης πελατών τείνουν να αναπηδούν περισσότερο.
• DayMins: Τα υψηλότερα ημερήσια λεπτά συνδέονται με μεγαλύτερη πιθανότητα ανατροπής.
• MonthlyCharge: Οι υψηλότερες μηνιαίες χρεώσεις συσχετίζονται με αυξημένο ποσοστό ανατροπής.
• OverageFee: Οι υψηλότερες χρεώσεις υπέρβασης συνδέονται επίσης με αυξημένη απόκλιση.

Συμπεράσματα από την Ανάλυση

• Η κατάσταση ανανέωσης συμβολαίου και η παρουσία ενός σχεδίου δεδομένων είναι σημαντικοί παράγοντες στην απόκλιση πελατών.
• Η υψηλή χρήση (σε όρους λεπτών ημέρας) και οι υψηλές χρεώσεις (μηνιαίες χρεώσεις και χρεώσεις υπέρβασης) σχετίζονται με υψηλότερα ποσοστά ανατροπής.
• Ο υψηλότερος αριθμός κλήσεων εξυπηρέτησης πελατών είναι ισχυρός δείκτης πιθανής ανατροπής.

Επόμενα βήματα

Με βάση αυτά τα insight, μπορούν να αναπτυχθούν στοχευμένες στρατηγικές για τη μείωση της αναστάτωσης, όπως η βελτίωση της εξυπηρέτησης πελατών, η αναθεώρηση των στρατηγικών τιμολόγησης ή η προσφορά κινήτρων για ανανέωση συμβολαίου και συνδρομές προγραμμάτων δεδομένων.

Με μία μόνο προτροπή, μπορούμε να δούμε πόσο καλά το ChatGPT θα μπορούσε να μας δώσει την πλήρη ανάλυση δεδομένων και να καταλήξουμε σε πληροφορίες από τα δεδομένα. Μπορείτε να τροποποιήσετε τους στόχους της ανάλυσης και να ξεκινήσετε από εκεί.

Η οπτικοποίηση δεδομένων είναι μια υποστηρικτική δραστηριότητα για τη βελτίωση της ανάλυσης δεδομένων και της συνολικής αναφοράς. Έχοντας την οπτικοποίηση, μπορούμε να έχουμε μια πιο ολοκληρωμένη αναφορά για την κατανόηση των δεδομένων μας.

Χρησιμοποιώντας την παρακάτω προτροπή, μπορούμε να εκτελέσουμε την οπτικοποίηση δεδομένων με το ChatGPT.

Please perform data visualization from the data analysis to explain the data better.

Για να βελτιώσω την κατανόηση των αποτελεσμάτων της ανάλυσης δεδομένων, θα δημιουργήσω μια σειρά από οπτικοποιήσεις που απεικονίζουν με σαφήνεια τα βασικά ευρήματα που σχετίζονται με την απόσυρση πελατών. Αυτές οι απεικονίσεις θα περιλαμβάνουν:

1. Οικόπεδα ράβδων για κατηγορικές μεταβλητές:

• Σύγκριση ποσοστών ανανέωσης για πελάτες με και χωρίς ανανέωση συμβολαίου.
• Σύγκριση ποσοστών απόκλισης για πελάτες με και χωρίς πρόγραμμα δεδομένων.
• Οικόπεδα πλαισίου για βασικές αριθμητικές μεταβλητές:

2. Κλήσεις εξυπηρέτησης πελατών εναντίον Churn.

• Καθημερινά λεπτά εναντίον Churn.
• Μηνιαίες χρεώσεις εναντίον Churn.
• Overage Fees vs Churn.

3. Heatmap συσχέτισης:

Για να οπτικοποιήσετε τη συσχέτιση όλων των μεταβλητών με το churn.

Η οπτικοποίηση θα εμφανίσει όλα τα σημαντικά διαγράμματα που ενσωματώνουν ολόκληρο το σύνολο δεδομένων. Μπορούμε να ζητήσουμε πιο λεπτομερείς περιγραφές για κάθε οικόπεδο, τις οποίες μπορείτε να δοκιμάσετε ανεξάρτητα.

Το τελευταίο βήμα είναι να δημιουργήσετε την αναφορά με βάση τα προηγούμενα βήματα. Δυστυχώς, το ChatGPT ενδέχεται να μην καταγράφει όλη την περιγραφή και τις πληροφορίες από την ανάλυση δεδομένων, αλλά μπορούμε ακόμα να έχουμε την απλή έκδοση της αναφοράς.

Χρησιμοποιήστε την παρακάτω προτροπή για να δημιουργήσετε μια αναφορά PDF με βάση την προηγούμενη ανάλυση.

Please provide me with the pdf report from the first step to the last step.

Θα λάβετε το αποτέλεσμα του συνδέσμου PDF με καλυμμένη την προηγούμενη ανάλυσή σας. Προσπαθήστε να επαναλάβετε τα βήματα εάν πιστεύετε ότι το αποτέλεσμα είναι ανεπαρκές ή εάν υπάρχουν πράγματα που θέλετε να αλλάξετε.

Η ανάλυση δεδομένων είναι μια δραστηριότητα που όλοι πρέπει να γνωρίζουν καθώς είναι μια από τις πιο απαιτούμενες δεξιότητες στην τρέχουσα εποχή. Ωστόσο, η εκμάθηση σχετικά με την εκτέλεση ανάλυσης δεδομένων μπορεί να διαρκέσει πολύ. Με το ChatGPT, μπορούμε να ελαχιστοποιήσουμε όλο αυτόν τον χρόνο δραστηριότητας. 

Σε αυτό το άρθρο, συζητήσαμε πώς να δημιουργήσετε μια πλήρη αναλυτική αναφορά από αρχεία CSV σε 5 βήματα. Το ChatGPT παρέχει στους χρήστες δραστηριότητα ανάλυσης δεδομένων από άκρο σε άκρο, από την εισαγωγή του αρχείου έως την παραγωγή της αναφοράς.
 
 

Cornellius Yudha Wijaya είναι βοηθός διευθυντής επιστήμης δεδομένων και συγγραφέας δεδομένων. Ενώ εργάζεται με πλήρη απασχόληση στην Allianz Indonesia, του αρέσει να μοιράζεται συμβουλές για Python και Data μέσω των μέσων κοινωνικής δικτύωσης και των μέσων συγγραφής.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://www.kdnuggets.com/from-csv-to-complete-analytical-report-with-chatgpt-in-5-simple-steps?utm_source=rss&utm_medium=rss&utm_campaign=from-csv-to-complete-analytical-report-with-chatgpt-in-5-simple-steps